[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"layout-ticker":3,"$fWfa6tG-GVJc2sf09iuyBnjsDz9diYidAB8GK3ESAraE":208,"$frGP3K2S0cbcgTok3ZPI3NqPzCLTn9FylHgNPhfVkExc":235,"atoms-laguna-xs-2-otwarty-model-ai-ktory-moze-zastapic-qwen-3-5-w-twojej-firmie":332},[4,10,16,21,26,31,36,41,46,51,56,61,66,72,77,82,87,92,97,102,107,112,118,123,128,133,138,143,148,153,158,163,168,173,178,183,188,193,198,203],{"slug":5,"draft_id":6,"pillar_id":8},"jak-legalon-obnizyla-koszty-modeli-kodowych-o-65-bez-spowolnienia-pracy-i-jak-to-zrobic-w-twojej-firmie-jaqm",{"title":7},"LegalOn obniżyła dzienne koszty Codex o 65% — jak to działa",{"name":9},"Narzędzia AI",{"slug":11,"draft_id":12,"pillar_id":14},"ai-w-badaniach-kwantowych-jak-jump-trading-automatyzuje-prace-analitykow-w-30-mniej-czasu",{"title":13},"Agenci AI w badaniach ilościowych: przykład Jump Trading",{"name":15},"Praktyczne zastosowania",{"slug":17,"draft_id":18,"pillar_id":20},"jak-asana-obnizyla-koszty-testow-browserowych-o-76-razy-i-jak-to-zrobic-w-twojej-firmie-juz-teraz",{"title":19},"Agenci przeglądarkowi AI w testach: jak Asana obniżyła koszty 76 razy",{"name":15},{"slug":22,"draft_id":23,"pillar_id":25},"jak-ai-w-atlassian-openai-automatyzuje-prace-zespolow-i-jak-to-zrobic-w-twojej-firmie",{"title":24},"Atlassian i OpenAI: co daje ChatGPT i Codex w Jirze — stan na 2026",{"name":9},{"slug":27,"draft_id":28,"pillar_id":30},"jak-ai-przyspiesza-prace-zespolow-it-o-30-ale-tylko-jesli-wiesz-jak-zintegrowac-ja-z-kodem-i-dokumentacja",{"title":29},"Ile naprawdę daje AI zespołowi programistów? Badania, ceny, pomiar",{"name":9},{"slug":32,"draft_id":33,"pillar_id":35},"jak-ai-z-atlassianem-i-openai-przyspiesza-prace-zespolowa-ale-czy-warto-wdrazac-to-w-twojej-firmie",{"title":34},"ChatGPT w firmie: plany Business, ceny i bezpieczeństwo danych (2026)",{"name":9},{"slug":37,"draft_id":38,"pillar_id":40},"jak-zautomatyzowac-analize-danych-w-twojej-firmie-bez-it-i-zaoszczedzic-40-budzetu",{"title":39},"Analiza danych bez działu IT: agenci AI i automatyzacja w 2026",{"name":9},{"slug":42,"draft_id":43,"pillar_id":45},"jak-data-agent-w-chatgpt-work-oszczedza-20-30-czasu-analitykow-bez-kodowania",{"title":44},"Data agent w ChatGPT Work: co potrafi analityk bez kodowania",{"name":9},{"slug":47,"draft_id":48,"pillar_id":50},"jak-ai-zwieksza-wydajnosc-inzynierow-o-21-i-jak-to-zrobic-w-twojej-firmie",{"title":49},"Jak Codex zwiększa wydajność inżynierów — case study 1Password i",{"name":15},{"slug":52,"draft_id":53,"pillar_id":55},"chatgpt-przyspiesza-prace-marketingowa-o-90-jak-to-zrobic-w-twojej-firmie",{"title":54},"ChatGPT Work w marketingu: co przyspiesza, a czego nie zastąpi",{"name":15},{"slug":57,"draft_id":58,"pillar_id":60},"kontrola-agentow-ai-kiedy-twoja-firma-traci-wplyw-nad-dzialaniami-automatyzacji",{"title":59},"Kontrola agentów AI: jak firma zachowuje wpływ nad automatyzacją",{"name":15},{"slug":62,"draft_id":63,"pillar_id":65},"fsm-runtime-vs-llm-dlaczego-polskie-firmy-placa-za-bledne-mutacje-stanu",{"title":64},"FSM runtime vs. LLM: dlaczego polskie firmy płacą za błędne mutacje stanu",{"name":15},{"slug":67,"draft_id":68,"pillar_id":70},"csv-do-raportu-dla-zarzadu-w-30-minut-bez-excela-bez-bolu-glowy",{"title":69},"Raport zarządczy z CSV w kilka minut — jak Claude i Copilot zastępują",{"name":71},"Tutoriale how-to",{"slug":73,"draft_id":74,"pillar_id":76},"jak-zbudowac-wlasny-pipeline-grafow-wiedzy-z-tekstu-w-6-krokach-i-kiedy-to-nie-warto",{"title":75},"Grafy wiedzy z tekstu: kiedy się opłacają, a kiedy to marnotrawstwo",{"name":71},{"slug":78,"draft_id":79,"pillar_id":81},"wspoldzielona-pamiec-dla-agentow-ai-jak-21-wezlow-zmienilo-koszty-debugowania-w-7-domenach",{"title":80},"Współdzielona pamięć agentów AI: jak działa i kiedy się opłaca",{"name":15},{"slug":83,"draft_id":84,"pillar_id":86},"jak-banki-chronia-swoje-algorytmy-i-dlaczego-twoje-agencje-ai-sa-bezbronne",{"title":85},"AI w bankach 2026: jak chronić algorytmy przed zagrożeniami",{"name":15},{"slug":88,"draft_id":89,"pillar_id":91},"agenci-ai-nie-zastepuja-ludzi-tworza-im-nowe-mozliwosci-jak-basis-clay-i-exa-labs-przeksztalcaja-procesy-w-zdolnosci-operacyjne",{"title":90},"Basis, Clay i Exa Labs: co robią agenci AI, a co zostaje człowiekowi",{"name":15},{"slug":93,"draft_id":94,"pillar_id":96},"jak-ocenic-llm-w-produkcji-bez-polegan-na-vibes-trzy-proste-reguly-w-pythonie",{"title":95},"Jak ocenić LLM w produkcji bez „vibes”? Reguły i metryki w Pythonie",{"name":15},{"slug":98,"draft_id":99,"pillar_id":101},"figma-ai-asystent-czy-twoi-projektanci-moga-zrezygnowac-z-myszki",{"title":100},"Figma AI agent: co potrafi asystent projektowania w 2026?",{"name":9},{"slug":103,"draft_id":104,"pillar_id":106},"heym-vs-tradycyjne-narzedzia-kiedy-agent-ai-przestaje-byc-dodatkiem-i-staje-sie-domyslnym-blokiem",{"title":105},"Agent AI jako domyślny blok workflow: Heym, n8n, Make i Zapier w 2026",{"name":9},{"slug":108,"draft_id":109,"pillar_id":111},"langchain-w-pipeline-ie-retrievalowym-sprawdzilismy-to-nie-dziala-tak-jak-sie-wydaje",{"title":110},"LangChain w RAG: co robi, gdzie zwalnia i kiedy go zostawić",{"name":15},{"slug":113,"draft_id":114,"pillar_id":116},"autonomiczny-bot-ai-zhackowal-projekty-microsoftu-i-innych-firm-jak-to-dziala-i-co-to-oznacza-dla-open-source",{"title":115},"Lokalne modele AI w 2026: Ollama, LM Studio i modele polskie",{"name":117},"News & analizy",{"slug":119,"draft_id":120,"pillar_id":122},"ai-nie-jest-najwiekszym-zagrozeniem-to-twoi-pracownicy-otwieraja-drzwi-hakerom",{"title":121},"Exploity i skradzione hasła zamiast AI — co naprawdę atakuje firmy w",{"name":117},{"slug":124,"draft_id":125,"pillar_id":127},"ue-chce-zmusic-google-do-otwarcia-androida-na-konkurencyjne-asystenty-ai-co-to-oznacza-dla-polskich-firm",{"title":126},"Komisja Europejska nakazała Google otworzyć Androida dla",{"name":117},{"slug":129,"draft_id":130,"pillar_id":132},"twoja-architektura-multi-agent-kosztuje-5000-pln-miesiac-na-tokenach-jak-to-zmienic",{"title":131},"Koszty tokenów w architekturze multi-agent: jak je policzyć i obniżyć",{"name":71},{"slug":134,"draft_id":135,"pillar_id":137},"agent-ai-dostal-dostep-do-twoich-systemow-czy-twoja-firma-jest-gotowa",{"title":136},"OWASP Top 10 dla LLM 2026: co zmienia się dla firm z agentami AI",{"name":117},{"slug":139,"draft_id":140,"pillar_id":142},"rag-w-produkcji-dlaczego-80-projektow-zawodzi-juz-po-pierwszym-deploymencie",{"title":141},"RAG w produkcji: od demo do systemu, który działa — co się zmienia",{"name":15},{"slug":144,"draft_id":145,"pillar_id":147},"jak-zbudowac-kontrolna-warstwe-dla-llm-w-produkcji-przyklad-z-100-niezawodnoscia",{"title":146},"Walidacja outputu lokalnych LLM w produkcji: JSON mode, structured",{"name":15},{"slug":149,"draft_id":150,"pillar_id":152},"chi-2026-dlaczego-apple-stawia-na-barcelone-i-co-to-oznacza-dla-twojego-biznesu",{"title":151},"CHI 2026 w Barcelonie: co Apple zaprezentowało naukowcom i jak to",{"name":117},{"slug":154,"draft_id":155,"pillar_id":157},"czy-polska-moze-powtorzyc-sukces-singapuru-ai-w-walce-z-nielegalnym-handlem-gatunkami",{"title":156},"Fin Finder: jak AI pomaga celnikom rozpoznawać płetwy rekinów",{"name":117},{"slug":159,"draft_id":160,"pillar_id":162},"odpowiedzialna-ai-w-microsoft-350-inzynierow-etyki-vs-87-polskich-firm-bez-polityki",{"title":161},"Odpowiedzialna AI w firmach: od zasad Microsoftu do wymogów AI Act",{"name":117},{"slug":164,"draft_id":165,"pillar_id":167},"midi-2020-co-naprawde-zmienilo-sie-w-polskim-ai-po-tej-konferencji",{"title":166},"MIDI 2020: ósma edycja konferencji o inteligentnych maszynach",{"name":117},{"slug":169,"draft_id":170,"pillar_id":172},"dall-e-2-jak-polskie-firmy-moga-zarabiac-na-tekscie-ktory-maluje-obrazy",{"title":171},"Generatory obrazów AI w 2026: co potrafią i jak wybrać narzędzie",{"name":117},{"slug":174,"draft_id":175,"pillar_id":177},"proces-muska-vs-altman-dlaczego-polskie-firmy-ai-wstrzymaly-inwestycje-na-3-miesiace",{"title":176},"Proces Muska vs. Altman: co ujawnił o przyszłości OpenAI i biznesu AI",{"name":117},{"slug":179,"draft_id":180,"pillar_id":182},"lingbot-world-fast-17-fps-w-generowaniu-wideo-czy-to-wystarczy-zeby-wyprzedzic-stability-ai",{"title":181},"LingBot-World-Fast: co potrafi otwarty world model Robbyant",{"name":9},{"slug":184,"draft_id":185,"pillar_id":187},"calowanie-robotow-biznesowy-sens-czy-naukowy-eksperyment",{"title":186},"Roboty społeczne w Polsce: od eksperymentu do praktyki",{"name":117},{"slug":189,"draft_id":190,"pillar_id":192},"gemini-3-5-vs-gpt-5-5-kto-oszukuje-a-kto-naprawde-buduje",{"title":191},"GPT-5.5 vs Gemini 3.5: co naprawdę wiadomo w 2026 roku",{"name":9},{"slug":194,"draft_id":195,"pillar_id":197},"sensenova-vs-flux-klein-ktore-narzedzie-do-edycji-obrazow-ai-oszczedzi-ci-120-godzin-pracy-rocznie",{"title":196},"SenseNova U1.5 vs FLUX 3 Image Klein: co wybrać do edycji zdjęć",{"name":9},{"slug":199,"draft_id":200,"pillar_id":202},"czy-agi-naprawde-nadejdzie-za-kilka-lat-demis-hassabis-kontra-polska-rzeczywistosc",{"title":201},"Kiedy powstanie AGI? Co naprawdę powiedział Demis Hassabis",{"name":117},{"slug":204,"draft_id":205,"pillar_id":207},"inzynieria-promptow-jak-zaczac-bez-wydawania-zlotowki",{"title":206},"Inżynieria promptów: jak zacząć bez wydawania złotówki",{"name":71},[209],{"id":210,"slug":211,"page_type":212,"hub_slug":213,"cover_image":214,"published_at":215,"last_refreshed_at":216,"reviewed_at":213,"reviewed_by":213,"reading_time_min":217,"pillar_id":218,"author_id":222,"draft_id":229},"d8f290d6-0257-4563-81d7-5437b000fb2a","laguna-xs-2-otwarty-model-ai-ktory-moze-zastapic-qwen-3-5-w-twojej-firmie","article",null,"b9219b22-4a6d-4226-bc65-58107f07489d","2026-08-18T23:04:32.234Z","2026-10-25T13:12:40.974Z",11,{"id":219,"name":9,"slug":220,"color_token":221},"5878a593-ac48-4ff3-a25b-35a7de448daa","narzedzia-ai","accent",{"display_name":223,"slug":224,"bio_short":225,"social_links":226},"Andrzej Niemiec","andrzej-niemiec","Fanatyk nowych technologii i specjalista w zakresie sztucznej inteligencji.",{"linkedin":227,"x":213,"github":213,"website":228},"https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Fandrzej-niemiec-b3ab60220\u002F","https:\u002F\u002Faion-automation.pl",{"title":230,"meta_description":231,"body_mdx":232,"word_count":233,"schema_type":234},"Laguna XS.2: otwarty model AI do kodowania — jak działa i kiedy go","Laguna XS.2 to 33-miliardowy model MoE od Poolside na licencji Apache 2.0. Przewodnik po architekturze, benchmarkach i wdrożeniu dla polskich firm…","## Czym jest Laguna XS.2 i kiedy Poolside go wydał?\n\nPoolside, zespół z Montrealu specjalizujący się w modelach dla zadań agentycznych, wydał Laguna XS.2 28 kwietnia 2026 roku [1]. Model jest dostępny na Hugging Face na licencji Apache 2.0, co oznacza możliwość komercyjnego użycia, modyfikacji i wdrożenia na własnej infrastrukturze bez opłat licencyjnych [2].\n\nLaguna XS.2 to model Mixture of Experts (MoE): łącznie 33 miliardy parametrów, ale tylko około 3 miliardy są aktywne na każdy token. Taka architektura pozwala na redukcję zużycia pamięci i przyspieszenie inferencji w porównaniu z modelami gęstymi tej samej skali [1][2].\n\n## Jak działa architektura MoE w Lagunie XS.2?\n\nMixture of Experts to mechanizm, w którym model zawiera wiele wyspecjalizowanych podsieci (ekspertów), a dla każdego wejścia wybierana jest tylko część z nich. W przypadku Laguny XS.2 architektura obejmuje 256 ekspertów oraz jednego eksperta współdzielonego [2].\n\nW praktyce oznacza to:\n- **Mniejsze zużycie pamięci**: Model może działać na pojedynczym GPU z 80 GB VRAM (np. A100), zamiast wymagać klastra serwerów [2].\n- **Szybsza inferencja**: Generowanie odpowiedzi trwa 1–2 sekundy z optymalizacją (np. vLLM), zamiast 3–5 sekund bez niej [1].\n- **Wyzwania w routingu**: Wybór odpowiednich ekspertów wymaga dodatkowego obliczenia; w rzadkich przypadkach routing może wybrać niewłaściwego eksperta [5].\n\nLaguna XS.2 obsługuje kontekst do 262 144 tokenów i używa kwantyzowanego FP8 KV cache, co zmniejsza wymagania pamięciowe podczas długich rozmów [2].\n\n## Jakie są rzeczywiste wyniki benchmarków Laguny XS.2?\n\nPoolside opublikował wyniki na kilku standardowych testach dla kodowania i logiki. Poniższa tabela porównuje Lagunę XS.2 z Qwen 3.6 35B A3B (stan na kwiecień 2026):\n\n| Benchmark | Laguna XS.2 | Qwen 3.6 35B A3B |\n|---|---|---|\n| SWE-bench Verified | 68,2% | 69,2% |\n| SWE-bench Multilingual | 62,4% | 60,3% |\n| SWE-bench Pro | 44,5% | 44,6% |\n| Terminal-Bench 2.0 | 30,1% | 40,5% |\n\nLaguna XS.2 wygrywała w testach wielojęzycznych i ogólnych zadaniach kodowania, ale przegrywała w testach wymagających interakcji z terminalem [5]. Wyniki pokazują, że model nie jest jednoznacznie lepszy od Qwena — zależy to od konkretnego zastosowania [1].\n\nWażne: te wyniki pochodzą z komunikatu premierowego Poolside. Karta modelu na Hugging Face zawiera później zaktualizowane liczby (np. 69,9% SWE-bench Verified), co sugeruje ciągłe doskonalenie modelu [2].\n\n## Laguna XS.2 vs. Qwen 3.5 i 3.6 — czy można zastąpić jeden drugim?\n\nStary artykuł sugerował, że Laguna XS.2 może \"zastąpić Qwen 3.5 w firmie\". To stwierdzenie wymaga doprecyzowania.\n\n**Gdzie Laguna XS.2 jest konkurencyjna:**\n- Generowanie kodu w Pythonie, JavaScript i innych popularnych językach [1].\n- Zadania agentyczne wymagające interakcji z API i systemami zewnętrznymi [2].\n- Wdrożenie na własnych serwerach bez opłat API [1].\n\n**Gdzie Laguna XS.2 ma ograniczenia:**\n- Zadania wymagające głębokiej wiedzy encyklopedycznej (np. prawo, medycyna) — model ma mniej parametrów niż większe alternatywy [5].\n- Generowanie tekstu kreatywnego (copywriting, opisy produktów) — wyniki są poniżej GPT-4 i Claude [1].\n- Obsługa mniej popularnych języków programowania — model wymaga fine-tuningu [2].\n\nDecyzja o wyborze modelu powinna opierać się na testach na własnych danych, a nie na samych benchmarkach. Laguna XS.2 może być dobrym wyborem dla firm zajmujących się automatyzacją kodowania, ale nie dla wszystkich zastosowań.\n\n## Licencja Apache 2.0 — co oznacza dla polskiej firmy?\n\nApache 2.0 to permisywna licencja open-source, która pozwala na:\n- **Użycie komercyjne**: Można zarabiać na produktach opartych na Lagunie XS.2 [2].\n- **Modyfikację**: Można dostosować model do własnych danych i potrzeb [1].\n- **Dystrybucję**: Można udostępniać zmodyfikowane wersje bez ujawniania zmian [2].\n\nW praktyce oznacza to, że polska spółka z o.o. może:\n1. Wdrożyć Lagunę na własnych serwerach (np. w OVHcloud za ~30 tys. PLN\u002Fmiesiąc za 4x A100).\n2. Dostosować model do polskich danych (np. kodeks cywilny, słownictwo branżowe).\n3. Sprzedawać rozwiązania oparte na Lagunie bez dzielenia się zyskami z Poolside.\n\nJednak Apache 2.0 nie oznacza, że dane treningowe i proces szkolenia modelu są otwarte — są to wagi modelu, które są dostępne [2].\n\n## Jakie są wymagania sprzętowe do uruchomienia Laguny XS.2?\n\nLaguna XS.2 wymaga:\n- **Minimum 4x A100 (80 GB VRAM)** lub **8x RTX 4090 (24 GB VRAM każda)** [2].\n- **Około 65 GB VRAM** dla samego modelu (bez danych wejściowych) [1].\n- **Oprogramowanie**: vLLM lub TensorRT-LLM do optymalizacji inferencji [2].\n\nKoszty wdrożenia:\n- **Zakup sprzętu**: ~150 tys. PLN za 4x A100 (jednorazowo).\n- **Hosting w chmurze**: ~30 tys. PLN\u002Fmiesiąc w OVHcloud lub AWS [1].\n- **Alternatywa**: Użycie API Poolside (jeśli będzie dostępne) — koszty będą zależeć od liczby zapytań [6].\n\nDla porównania: koszt API dla 100 tys. zapytań miesięcznie do GPT-4 wynosi około 12 tys. PLN, ale bez możliwości dostosowania modelu [1].\n\n## Jakie są praktyczne zastosowania Laguny XS.2 w biznesie?\n\n### Automatyzacja kodowania i testów\n\nLaguna XS.2 została zaprojektowana do generowania i debugowania kodu. Model może być używany do:\n- Generowania testów jednostkowych dla istniejącego kodu [1].\n- Pisania funkcji na podstawie specyfikacji [2].\n- Analizy błędów i sugestii poprawek [1].\n\nZaletą jest to, że model może działać lokalnie, co oznacza szybszą iterację i brak wysyłania kodu do chmury.\n\n### Procesy biznesowe i RPA\n\nModel może być używany do automatyzacji procesów wymagających interakcji z systemami zewnętrznymi:\n- Przetwarzanie zamówień z PDF-ów do systemu ERP [2].\n- Generowanie raportów na podstawie danych z bazy SQL [1].\n- Automatyczne odpowiadanie na zapytania klientów [2].\n\n### Analiza i transformacja danych\n\nLaguna XS.2 może pomagać w:\n- Pisaniu zapytań SQL na podstawie opisu [1].\n- Transformacji danych między formatami [2].\n- Generowaniu dokumentacji kodu [1].\n\n## Czy Poolside planuje większy model?\n\nPoolside pracuje nad większym, zamkniętym modelem Laguna, który ma konkurować z GPT-4 i Claude 3.5 [5]. Szczegóły są ograniczone, ale wiadomo, że:\n- Model będzie miał około 100+ miliardów parametrów [5].\n- Będzie dostępny tylko przez API (brak możliwości lokalnego wdrożenia) [5].\n- Koszty będą \"konkurencyjne\" w stosunku do OpenAI [5].\n\nPoolside wydało również Laguna S 2.1 — większy model (118B parametrów, 8B aktywnych) z kontekstem do 1 miliona tokenów [6]. To pokazuje, że firma rozszerza linię produktów poza XS.2.\n\n## Jakie są ograniczenia Laguny XS.2?\n\n### Rozmiar modelu\n\n33 miliardy parametrów to model średniej wielkości. Dla porównania:\n- Llama 3 70B ma 70 miliardów parametrów.\n- Qwen 3.6 ma 100+ miliardów parametrów.\n- GPT-4 ma szacunkowo ~1,8 biliona parametrów.\n\nW praktyce oznacza to, że Laguna XS.2 ma trudności z zadaniami wymagającymi głębokiej wiedzy lub kreatywności [1].\n\n### Wymaga fine-tuningu\n\nLaguna XS.2 \"out of the box\" nie jest dostosowana do polskich danych. Aby uzyskać dobre wyniki, wymaga:\n- Fine-tuningu na własnych zbiorach danych [2].\n- Precyzyjnych promptów — bez nich model może generować niespójne odpowiedzi [1].\n- Testowania na rzeczywistych danych przed wdrożeniem [2].\n\n### Architektura MoE jest złożona\n\nMixture of Experts wprowadza nowe wyzwania:\n- **Routing**: Wybór ekspertów wymaga dodatkowego obliczenia [2].\n- **Trening**: MoE jest trudniejsza do trenowania niż modele gęste [5].\n- **Debugowanie**: Trudniej zdiagnozować, dlaczego model dał złą odpowiedź [1].\n\n## Najczęstsze pytania\n\n### Czy Laguna XS.2 jest bezpłatna?\n\nTak, wagi modelu są dostępne bezpłatnie na Hugging Face na licencji Apache 2.0. Jednak koszty wiążą się z infrastrukturą (serwery, prąd) potrzebną do uruchomienia modelu. Dla polskiej firmy to około 30 tys. PLN\u002Fmiesiąc w chmurze lub 150 tys. PLN jednorazowo za sprzęt [1][2].\n\n### Czy mogę uruchomić Lagunę XS.2 na swoim laptopie?\n\nNie. Model wymaga minimum 4x A100 (80 GB VRAM) lub 8x RTX 4090. Zwykły laptop nie ma wystarczającej mocy obliczeniowej. Możliwe jest użycie kwantyzacji (np. 4-bit), aby zmniejszyć wymagania, ale wyniki mogą być gorsze [2].\n\n### Czy Laguna XS.2 mówi po polsku?\n\nModel nie został specjalnie trenowany na polskich danych. Może generować tekst po polsku, ale wyniki będą gorsze niż dla angielskiego. Fine-tuning na polskich danych może poprawić jakość [1][2].\n\n### Czy mogę zarabiać na produktach opartych na Lagunie XS.2?\n\nTak. Licencja Apache 2.0 pozwala na komercyjne użycie bez opłat licencyjnych. Możesz sprzedawać rozwiązania oparte na Lagunie bez dzielenia się zyskami z Poolside [2].\n\n### Kiedy Poolside wydał Lagunę XS.2?\n\nPoolside ogłosił Lagunę XS.2 28 kwietnia 2026 roku. Wagi trafiły na Hugging Face w ramach tego wydania [1][2].\n\n## Źródła\n\n1. [Introducing Laguna XS.2 and Laguna M.1 — Poolside](https:\u002F\u002Fpoolside.ai\u002Fblog\u002Fintroducing-laguna-xs2-m1)\n2. [poolside\u002FLaguna-XS.2 · Hugging Face](https:\u002F\u002Fhuggingface.co\u002Fpoolside\u002FLaguna-XS.2)\n3. [Poolside on X — Laguna XS.2 release announcement](https:\u002F\u002Fx.com\u002Fpoolsideai\u002Fstatus\u002F2049144111626670282)\n4. [poolside (Poolside) — Hugging Face organization](https:\u002F\u002Fhuggingface.co\u002Fpoolside)\n5. [Laguna XS.2 and M.1: A Deeper Dive — Poolside](https:\u002F\u002Fpoolside.ai\u002Fblog\u002Flaguna-a-deeper-dive)\n6. [Poolside AI — Official website](https:\u002F\u002Fpoolside.ai)",1383,"Article",[236,242,248,254,260,266,272,278,284,290,296,302,308,314,320,326],{"id":237,"slug":238,"pillar_id":239,"draft_id":240},"ee48147b-2e28-406f-8a77-f660ce38123c","chatgpt-w-finansach-osobistych-doradca-za-99-zl-miesiecznie-czy-ryzykowny-eksperyment",{"color_token":221},{"title":241},"ChatGPT w finansach osobistych: doradca za 99 zł miesięcznie czy ryzykowny eksperyment?",{"id":243,"slug":244,"pillar_id":245,"draft_id":246},"e58d95ee-54cb-4f45-b059-f4b188b3ec15","stable-audio-3-ile-kosztuje-godzina-muzyki-wygenerowanej-przez-ai",{"color_token":221},{"title":247},"Stable Audio 3: ile kosztuje godzina muzyki wygenerowanej przez AI?",{"id":249,"slug":250,"pillar_id":251,"draft_id":252},"ab9e303d-df33-4547-b444-41d09740896e","chatgpt-w-finansach-osobistych-co-zmienia-i-dlaczego-polskie-firmy-powinny-sie-tym-zainteresowac",{"color_token":221},{"title":253},"ChatGPT w finansach osobistych: co zmienia i dlaczego polskie firmy powinny się tym zainteresować",{"id":255,"slug":256,"pillar_id":257,"draft_id":258},"72800cb5-0c42-47eb-a557-5656693bbe95","ernie-qwen-czy-zit-ktory-model-ai-do-obrazow-wybrac-gdy-liczy-sie-czas-i-jakosc",{"color_token":221},{"title":259},"ERNIE, Qwen czy ZiT? Który model AI do obrazów wybrać, gdy liczy się czas i jakość",{"id":261,"slug":262,"pillar_id":263,"draft_id":264},"21872906-2f74-4c19-8c12-5114f4833249","chatgpt-do-budzetu-oszczedza-czas-ale-czy-twoje-dane-sa-bezpieczne",{"color_token":221},{"title":265},"ChatGPT do budżetu: oszczędza czas, ale czy twoje dane są bezpieczne?",{"id":267,"slug":268,"pillar_id":269,"draft_id":270},"3945db9f-c70a-469d-84c9-9671274c0c8c","chatgpt-w-finansach-osobistych-co-naprawde-potrafi-i-dlaczego-polskie-banki-powinny-sie-bac",{"color_token":221},{"title":271},"ChatGPT w finansach osobistych: co naprawdę potrafi i dlaczego polskie banki powinny się bać",{"id":273,"slug":274,"pillar_id":275,"draft_id":276},"fd6b3c51-e0f6-4ea0-b5e4-cd9bec1d9bfc","chatgpt-do-finansow-osobistych-czy-openai-zastapi-twojego-doradce",{"color_token":221},{"title":277},"ChatGPT do finansów osobistych: czy OpenAI zastąpi twojego doradcę?",{"id":279,"slug":280,"pillar_id":281,"draft_id":282},"8b4959e2-8ff2-41f5-a566-00ca95d1118a","moe-vs-dense-kto-wygrywa-w-lokalnych-wdrozeniach-ai",{"color_token":221},{"title":283},"MoE vs dense: kto wygrywa w lokalnych wdrożeniach AI?",{"id":285,"slug":286,"pillar_id":287,"draft_id":288},"623dfd30-6bbf-43e3-b37f-ea1662660bbe","kupiles-6-narzedzi-ai-ale-uzywasz-tylko-jednego-oto-jak-przestac-marnowac-budzet",{"color_token":221},{"title":289},"Kupiłeś 6 narzędzi AI, ale używasz tylko jednego. Oto jak przestać marnować budżet",{"id":291,"slug":292,"pillar_id":293,"draft_id":294},"17a278f1-1883-4b99-bb87-554b79110090","laguna-xs-2-vs-m-1-dlaczego-polskie-firmy-testuja-lokalne-modele-jezykowe",{"color_token":221},{"title":295},"Laguna XS.2 vs M.1: dlaczego polskie firmy testują lokalne modele językowe",{"id":297,"slug":298,"pillar_id":299,"draft_id":300},"bb966432-025e-415f-a65d-a0b902dda934","nemotron-3-nano-vs-reszta-stawki-4b-kto-wygrywa-lokalny-benchmark-finansowy-w-2026",{"color_token":221},{"title":301},"Nemotron 3 Nano 4B: co potwierdzają źródła o modelu NVIDIA",{"id":303,"slug":304,"pillar_id":305,"draft_id":306},"97cb5082-295b-44be-89cc-f98db8f9703b","47-zakladek-200-tysiecy-zlotych-w-bloto-jak-przestac-kupowac-ai-ktorego-nie-potrzebujesz",{"color_token":221},{"title":307},"47 zakładek, 200 tysięcy złotych w błoto – jak przestać kupować AI, którego nie potrzebujesz",{"id":309,"slug":310,"pillar_id":311,"draft_id":312},"6d54a5d0-0ab5-4abf-89e9-b58e64a4197b","milion-tokenow-w-praktyce-czy-deepseek-v4-naprawde-zmienia-zasady-gry",{"color_token":221},{"title":313},"Milion tokenów w praktyce: czy DeepSeek-V4 naprawdę zmienia zasady gry?",{"id":315,"slug":316,"pillar_id":317,"draft_id":318},"8e0353d7-5e1c-46a5-bfec-8d929c7ea937","chatgpt-w-finansach-osobistych-co-naprawde-zmienia-i-dlaczego-polskie-firmy-powinny-to-sledzic",{"color_token":221},{"title":319},"ChatGPT w finansach osobistych: co naprawdę zmienia i dlaczego polskie firmy powinny to śledzić",{"id":321,"slug":322,"pillar_id":323,"draft_id":324},"fe13a3ea-5437-499e-95ab-fb7bfd832610","27-razy-zbudowalem-tego-samego-bota-oto-co-naprawde-psuje-sie-po-wyjsciu-z-demo",{"color_token":221},{"title":325},"Zapier, Make czy n8n: agenci AI i automatyzacja bez kodu w 2026",{"id":327,"slug":328,"pillar_id":329,"draft_id":330},"2e737281-4130-493b-aeab-68098f74befd","chatgpt-w-finansach-osobistych-czy-za-20-dolarow-miesiecznie-dostaniesz-lepszego-doradce-niz-w-banku",{"color_token":221},{"title":331},"ChatGPT w finansach osobistych: czy za 20 dolarów miesięcznie dostaniesz lepszego doradcę niż w banku?",[]]